<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<meta name="Generator" content="Microsoft Word 15 (filtered medium)">
<style><!--
/* Font Definitions */
@font-face
        {font-family:Helvetica;
        panose-1:2 11 6 4 2 2 2 2 2 4;}
@font-face
        {font-family:"Cambria Math";
        panose-1:2 4 5 3 5 4 6 3 2 4;}
@font-face
        {font-family:Calibri;
        panose-1:2 15 5 2 2 2 4 3 2 4;}
@font-face
        {font-family:Consolas;
        panose-1:2 11 6 9 2 2 4 3 2 4;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
        {margin:0in;
        font-size:11.0pt;
        font-family:"Calibri",sans-serif;}
a:link, span.MsoHyperlink
        {mso-style-priority:99;
        color:blue;
        text-decoration:underline;}
pre
        {mso-style-priority:99;
        mso-style-link:"HTML Preformatted Char";
        margin:0in;
        font-size:10.0pt;
        font-family:"Courier New";}
span.HTMLPreformattedChar
        {mso-style-name:"HTML Preformatted Char";
        mso-style-priority:99;
        mso-style-link:"HTML Preformatted";
        font-family:Consolas;}
span.apple-converted-space
        {mso-style-name:apple-converted-space;}
span.EmailStyle23
        {mso-style-type:personal-reply;
        font-family:"Calibri",sans-serif;
        color:windowtext;}
.MsoChpDefault
        {mso-style-type:export-only;
        font-size:10.0pt;}
@page WordSection1
        {size:8.5in 11.0in;
        margin:1.0in 1.0in 1.0in 1.0in;}
div.WordSection1
        {page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]-->
</head>
<body lang="EN-US" link="blue" vlink="purple" style="word-wrap:break-word">
<div class="WordSection1">
<p class="MsoNormal">I’m not sure what this bucketing would accomplish besides potentially reducing the key-space?  If I have 31 bits of keyspace (as I do now), and we take 1 bit away to decide between two ‘extra’ containers, we end up having 30 bits of keyspace
 *2 (at most), which is 32 bits, right?  <o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal">I thought the purpose of doing all this in UTF-8 was to encode information in their keyspace as well as making them unique.<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<div>
<div style="border:none;border-top:solid #E1E1E1 1.0pt;padding:3.0pt 0in 0in 0in">
<p class="MsoNormal"><b>From:</b> Stephen Kelly <steveire@gmail.com> <br>
<b>Sent:</b> Tuesday, February 2, 2021 12:48 PM<br>
<b>To:</b> Keane, Erich <erich.keane@intel.com>; David Rector <davrecthreads@gmail.com><br>
<b>Cc:</b> clang developer list <cfe-dev@lists.llvm.org><br>
<b>Subject:</b> Re: [cfe-dev] [RFC] Clang SourceLocation overflow<o:p></o:p></p>
</div>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
<p>Sounds like we could learn a few lessons from UTF-8 and use the first several bits to say where to find the rest (ie spread the rest over multiple 'extra' containers in SourceManager)?<o:p></o:p></p>
<p>Thanks,<o:p></o:p></p>
<p>Stephen.<o:p></o:p></p>
<p><o:p> </o:p></p>
<div>
<p class="MsoNormal">On 02/02/2021 18:40, Keane, Erich via cfe-dev wrote:<o:p></o:p></p>
</div>
<blockquote style="margin-top:5.0pt;margin-bottom:5.0pt">
<p class="MsoNormal">Presumably, yes, we could hit that limit, and that limit is closer than we’d think.<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal">Based on my understanding though, we currently stores the ‘offset’ into the buffer.  If we were to go with your plan, we’d reduce the ‘SourceLocation’ space significantly, since we’d only have 1 value taken up by “ALongFunctionName” instead
 of ~15?  Or, at least, only 1 instead of 3 in ‘int’.<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal">I presume that anything short of expanding the size of SourceLocation is going to be a temporary measure at best. 
<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal">One consideration: What do we think about making SourceLocation have an underlying type of ‘bitfield’ that is a smaller size than 64 bits?  Then at least we could make SourceRange be a packed value?  So make SourceLocation be 40 bits (obviously
 would still be 64 if stored directly), but at least we could pack 2 of them into 80 bits for any type that does some sort of bit-packing? 
<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal">Alternatively, what about making SourceRange (instead of 2 SourceLocation objects) be a SourceLocation + unsigned?  It would make it a little smaller?  Then we could do similar optimizations over time to the ASTNodes.  That is, all of the
 TypeLoc types could just store things like open/close parens as offsets-from-the-original rather than SourceLocations, then calculate them when needed?  I would assume anything that required re-calculation would be acceptable, since SourceLocations are seemingly
 quite rarely used (except for the few cases that Richard mentioned below).<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal">My preference is obviously to just make SourceLocation be uint64_t instead, but the impact on AST size is going to be significant.  So I guess I’m hoping that Richard Smith can comment and help us figure out how much pain we are willing
 to go through for this?<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<div>
<div style="border:none;border-top:solid #E1E1E1 1.0pt;padding:3.0pt 0in 0in 0in">
<p class="MsoNormal"><b>From:</b> David Rector <a href="mailto:davrecthreads@gmail.com">
<davrecthreads@gmail.com></a> <br>
<b>Sent:</b> Tuesday, February 2, 2021 10:28 AM<br>
<b>To:</b> Keane, Erich <a href="mailto:erich.keane@intel.com"><erich.keane@intel.com></a><br>
<b>Cc:</b> clang developer list <a href="mailto:cfe-dev@lists.llvm.org"><cfe-dev@lists.llvm.org></a><br>
<b>Subject:</b> Re: [cfe-dev] [RFC] Clang SourceLocation overflow<o:p></o:p></p>
</div>
</div>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal">An additional consideration: if the files/buffers are so large that each SourceLocation cannot fit in 30 bits, does that imply that so many SourceLocations will be generated that the indices to them won’t be able to fit in 30 bits?  That
 may be the case now that I think of it, in which case the only solution really would be 64 bit SourceLocations, or something still more creative/costly.<o:p></o:p></p>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<blockquote style="margin-top:5.0pt;margin-bottom:5.0pt">
<div>
<p class="MsoNormal">On Feb 2, 2021, at 11:53 AM, Keane, Erich <<a href="mailto:erich.keane@intel.com">erich.keane@intel.com</a>> wrote:<o:p></o:p></p>
</div>
<p class="MsoNormal"> <o:p></o:p></p>
<div>
<div>
<p class="MsoNormal">Huh, that is an interesting idea!  The issue ends up being the callers of getOffset though, since it is a previate method.<o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<p class="MsoNormal">That said, I wonder if the extra bit-use is just putting off the inevitable, and we should just use the vector in SourceManager for everything. My initial thought is that we could do away with the ‘IsMacro’ bit as well, and just encode
 that in the vector too.  It makes  isFileID and isMacroID require the SourceManager as well, but I wonder if that is OK?<o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<div style="border:none;border-top:solid #E1E1E1 1.0pt;padding:3.0pt 0in 0in 0in">
<div>
<p class="MsoNormal"><b>From:</b><span class="apple-converted-space"> </span>David Rector <<a href="mailto:davrecthreads@gmail.com">davrecthreads@gmail.com</a>><span class="apple-converted-space"> </span><br>
<b>Sent:</b><span class="apple-converted-space"> </span>Tuesday, February 2, 2021 8:46 AM<br>
<b>To:</b><span class="apple-converted-space"> </span>Keane, Erich <<a href="mailto:erich.keane@intel.com">erich.keane@intel.com</a>><br>
<b>Cc:</b><span class="apple-converted-space"> </span>clang developer list <<a href="mailto:cfe-dev@lists.llvm.org">cfe-dev@lists.llvm.org</a>><br>
<b>Subject:</b><span class="apple-converted-space"> </span>Re: [cfe-dev] [RFC] Clang SourceLocation overflow<o:p></o:p></p>
</div>
</div>
</div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<div>
<p class="MsoNormal">A possible solution not mentioned: reserve a bit in SourceLocation for "IsBigLoc".  When IsBigLoc = true, the remaining 30 bits of the "ID" field is not an offset but an index into a vector of uintptr_ts in SourceManager, each holding 64-bit
 offset data.<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">Only a few changes to private methods and isolated details would be needed I think: e.g. method `unsigned SourceLocation::getOffset()` would become `uintptr_t SourceLocation::getOffset(const SourceManager &SM)`, and would dereference and
 return the larger data when IsBigLoc.  And more generally `unsigned` types should be changed to `uintptr_t` everywhere 32-bit encodings are currently assumed (mostly in SourceManager).<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">This might be easier and less intrusive than allowing 64-bit SourceLocations depending on a build flag, if I understand that proposal correctly, since that would require templating virtually everything with the SourceLocation type.<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"><br>
<br>
<br>
<br>
<o:p></o:p></p>
</div>
<blockquote style="margin-top:5.0pt;margin-bottom:5.0pt">
<div>
<div>
<p class="MsoNormal">On Feb 2, 2021, at 9:21 AM, Keane, Erich via cfe-dev <<a href="mailto:cfe-dev@lists.llvm.org">cfe-dev@lists.llvm.org</a>> wrote:<o:p></o:p></p>
</div>
</div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
<div>
<div>
<div>
<p class="MsoNormal">Original thread here:<span class="apple-converted-space"> </span><a href="https://lists.llvm.org/pipermail/cfe-dev/2019-October/063459.html"><span style="color:#0563C1">https://lists.llvm.org/pipermail/cfe-dev/2019-October/063459.html</span></a><o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">I’m bringing this back up since we have a reproduction of this in Boost now.  We haven’t finished analyzing what boost is doing, but simply doing an include of:<o:p></o:p></p>
</div>
</div>
<pre>#include <libs/vmd/test/test_doc_modifiers_return_type.cxx><o:p></o:p></pre>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">Now causes us to run out of source locations, hitting:<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">/llvm/clang/lib/Basic/SourceManager.cpp:680: clang::SourceLocation clang::SourceManager::createExpansionLocImpl(const clang::SrcMgr::ExpansionInfo &, unsigned int, int, unsigned int): Assertion `NextLocalOffset + TokLength + 1 > NextLocalOffset
 && NextLocalOffset + TokLength + 1 <= CurrentLoadedOffset && "Ran out of source locations!"' failed.<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">From the last discussion, it seems that increasing our source-location size isn’t really acceptable due to how much it is stored in the AST( Multiple times per node), and giving up on location isn’t viable either.  Additionally, the source
 location/source manager layout is quite complex and I don’t quite understand it yet, so I don’t have a good way of suggesting an alternative.<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">SO, I’d like to re-start the discussion into this, we need to find a way to make our compiler able to support more source-locations, as I can’t imagine this is going to be the only time we run into this.<o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">-Erihc<span class="apple-converted-space"> </span><o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">>>>>>>>>>>>>>>>>>>>> <o:p></o:p></p>
</div>
</div>
<pre>Hi Matt.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Thanks for the offer. Whenever you’re back and have a moment is fine by me, I don’t think we’re in a massive hurry.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Thanks,<o:p></o:p></pre>
<pre>Christof<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>From: Matt Asplund <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">mwasplund at gmail.com</span></a>><o:p></o:p></pre>
<pre>Sent: 10 October 2019 14:09<o:p></o:p></pre>
<pre>To: Christof Douma <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Christof.Douma at arm.com</span></a>><o:p></o:p></pre>
<pre>Cc: Richard Smith <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">richard at metafoo.co.uk</span></a>>; Mikhail Maltsev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Mikhail.Maltsev at arm.com</span></a>>; Clang Dev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a>>; nd <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">nd at arm.com</span></a>><o:p></o:p></pre>
<pre>Subject: Re: [cfe-dev] [RFC] Clang SourceLocation overflow<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Sure, I can share my changes. In general my changes are very localized to the code paths I was hitting oveflow issues and tried to keep as much as possible using 32bit encodings. Is there an ETA for when you will start investigating, I am out of town for the next week but if needed can get access to my desktop.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>-Matt<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>On Thu, Oct 10, 2019, 2:13 AM Christof Douma <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Christof.Douma at arm.com</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Christof.Douma at arm.com</span></a>>> wrote:<o:p></o:p></pre>
<pre>Hi Richard.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Thanks for the clarification, I certainly had not realized that location tracking was needed for correctness of clang. Decoupling this sounds like a painful processes, and the only thing we get is errors without any location information. Sounds like not a great trade-off. We’ll go experiment a bit with the size impact of using 64-bits and will attempt to take the route of a cmake configuration option.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>If there are people that have already done some experiments on the size impact of 64-bits location pointers, we’re welcome your insights. @Matt Asplund<mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">mwasplund at gmail.com</span></a>> I believe you said that you’ve done some prototyping, is there something you can share?<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Thanks,<o:p></o:p></pre>
<pre>Christof<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>From: Richard Smith <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">richard at metafoo.co.uk</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">richard at metafoo.co.uk</span></a>>><o:p></o:p></pre>
<pre>Sent: 08 October 2019 19:53<o:p></o:p></pre>
<pre>To: Christof Douma <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Christof.Douma at arm.com</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Christof.Douma at arm.com</span></a>>><o:p></o:p></pre>
<pre>Cc: Mikhail Maltsev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Mikhail.Maltsev at arm.com</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Mikhail.Maltsev at arm.com</span></a>>>; Clang Dev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a>>>; nd <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">nd at arm.com</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">nd at arm.com</span></a>>><o:p></o:p></pre>
<pre>Subject: Re: [cfe-dev] [RFC] Clang SourceLocation overflow<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>On Tue, 8 Oct 2019, 10:42 Christof Douma via cfe-dev, <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a>>> wrote:<o:p></o:p></pre>
<pre>Hi Richard, Paul and other.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Thanks for the input so far. I wanted to point out that it’s not our code-base. Rather, we’re seeing more use of the LLVM technology in the automotive market and as usual we’re faced with existing code bases that are tried and tested with other toolchains (gcc or others) and when LLVM comes along things don’t always work directly.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>We’ve suggested better ways of structuring their code and your suggestions are certainly good input. However, legacy code is especially sticky in any market that has to handle ‘safety’ concerns, like automotive, aerospace and medical markets. Code changes are pretty expensive in those fields. So while I hope that over time we see more sensible coding structures, I don’t expect that to happen any time soon. In the mean time, we’re searching for a solution for this coding pattern that doesn’t play well with clang.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Hope that gave some more background of where this question comes from.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Do all options that were suggested by Mikhail really require fundamental restructuring of major parts of clang? This surprised me, I had expected that the option 2 to be possible without a complete overhaul. (2 is “Track until an overflow occurs after that make the lexer output the <invalid location> special value for all subsequent tokens.”)<o:p></o:p></pre>
<pre>Clang uses source locations as part of the semantic representation of the AST in some cases (simple example: some forms of initialization might use parens or not, with different semantics, and we distinguish between them based on whether we have paren locations; there are also some checks that look at which of two source locations came first when determining which warnings or errors to produce, and so on). Maybe we could go through and fix all of those, but that's still a very large task and it'd be hard to check we got them all.<o:p></o:p></pre>
<pre>Not nice user experience but maybe doable? I was hoping there was something slightly better that still works without a major restructuring (maybe something that at least gives a rough location or something that only gives the location of the error and not the include stack under an option or using some kind of heuristic to detect that things go haywire).<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>As an alternative, I was curious if it would be possible and acceptable to make the switch between 32-bit and 64-bit location tracking a build-time/cmake decision? I’ve not done any estimation on the memory size growth, so maybe this is a dead end.<o:p></o:p></pre>
<pre>If someone is prepared to do the work to add and maintain this build mode, I think this might be a feasible option.<o:p></o:p></pre>
<pre>Thanks,<o:p></o:p></pre>
<pre>Christof<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>From: cfe-dev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev-bounces at lists.llvm.org</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev-bounces at lists.llvm.org</span></a>>> On Behalf Of Richard Smith via cfe-dev<o:p></o:p></pre>
<pre>Sent: 07 October 2019 20:36<o:p></o:p></pre>
<pre>To: Mikhail Maltsev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Mikhail.Maltsev at arm.com</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">Mikhail.Maltsev at arm.com</span></a>>><o:p></o:p></pre>
<pre>Cc: nd <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">nd at arm.com</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">nd at arm.com</span></a>>>; <a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a>><o:p></o:p></pre>
<pre>Subject: Re: [cfe-dev] [RFC] Clang SourceLocation overflow<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>On Wed, 2 Oct 2019 at 09:26, Mikhail Maltsev via cfe-dev <<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a>>> wrote:<o:p></o:p></pre>
<pre>Hi all,<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>We are experiencing a problem with Clang SourceLocation overflow.<o:p></o:p></pre>
<pre>Currently source locations are 32-bit values, one bit is a flag, which gives<o:p></o:p></pre>
<pre>a source location space of 2^31 characters.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>When the Clang lexer processes an #include directive it reserves the total size<o:p></o:p></pre>
<pre>of the file being included in the source location space. An overflow can occur<o:p></o:p></pre>
<pre>if a large file (which does not have include guards by design) is included many<o:p></o:p></pre>
<pre>times into a single TU.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>The pattern of including a file multiple times is for example required by<o:p></o:p></pre>
<pre>the AUTOSAR standard [1], which is widely used in the automotive industry.<o:p></o:p></pre>
<pre>Specifically the pattern is described in the Specification of Memory Mapping [2]:<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Section 8.2.1, MEMMAP003:<o:p></o:p></pre>
<pre>"The start and stop symbols for section control are configured with section<o:p></o:p></pre>
<pre>identifiers defined in MemMap.h [...] For instance:<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>#define EEP_START_SEC_VAR_16BIT<o:p></o:p></pre>
<pre>#include "MemMap.h"<o:p></o:p></pre>
<pre>static uint16 EepTimer;<o:p></o:p></pre>
<pre>static uint16 EepRemainingBytes;<o:p></o:p></pre>
<pre>#define EEP_STOP_SEC_VAR_16BIT<o:p></o:p></pre>
<pre>#include "MemMap.h""<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Section 8.2.2, MEMMAP005:<o:p></o:p></pre>
<pre>"The file MemMap.h shall provide a mechanism to select different code, variable<o:p></o:p></pre>
<pre>or constant sections by checking the definition of the module specific memory<o:p></o:p></pre>
<pre>allocation key words for starting a section [...]"<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>In practice MemMap.h can reach several MBs and can be included several thousand<o:p></o:p></pre>
<pre>times causing an overflow in the source location space.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>The problem does not occur with GCC because it tracks line numbers rather than<o:p></o:p></pre>
<pre>file offsets. Column numbers are tracked separately and are optional. I.e., in<o:p></o:p></pre>
<pre>GCC a source location can be either a (line+column) tuple packed into 32 bits or<o:p></o:p></pre>
<pre>(when the line number exceeds a certain threshold) a 32-bit line number.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>We are looking for an acceptable way of resolving the problem and propose the<o:p></o:p></pre>
<pre>following approaches for discussion:<o:p></o:p></pre>
<pre>1. Use 64 bits for source location tracking.<o:p></o:p></pre>
<pre>2. Track until an overflow occurs after that make the lexer output<o:p></o:p></pre>
<pre>   the <invalid location> special value for all subsequent tokens.<o:p></o:p></pre>
<pre>3. Implement an approach similar to the one used by GCC and start tracking line<o:p></o:p></pre>
<pre>   numbers instead of file offsets after a certain threshold. Resort to (2)<o:p></o:p></pre>
<pre>   when even line numbers overflow.<o:p></o:p></pre>
<pre>4. (?) Detect the multiple inclusion pattern and track it differently (for now<o:p></o:p></pre>
<pre>   we don't have specific ideas on how to implement this)<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Is any of these approaches viable? What caveats should we expect? (we already<o:p></o:p></pre>
<pre>know about static_asserts guarding the sizes of certain class fields which start<o:p></o:p></pre>
<pre>failing in the first approach).<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Other suggestions are welcome.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>I don't think any of the above approaches are reasonable; they would all require fundamental restructuring of major parts of Clang, an efficiency or memory size hit for all other users of Clang, or some combination of those.<o:p></o:p></pre>
<pre> <o:p></o:p></pre>
<pre>Your code pattern seems unreasonable; including a multi-megabyte file thousands of times is not a good idea. Can you split out parts of MemMap.h into a separate header that is only included once, and keep only the parts that actually change on repeated inclusion in MemMap.h itself?<o:p></o:p></pre>
<pre>_______________________________________________<o:p></o:p></pre>
<pre>cfe-dev mailing list<o:p></o:p></pre>
<pre><a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a><mailto:<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">cfe-dev at lists.llvm.org</span></a>><o:p></o:p></pre>
<pre><a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="color:#0563C1">https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev</span></a><o:p></o:p></pre>
<pre>-------------- next part --------------<o:p></o:p></pre>
<pre>An HTML attachment was scrubbed...<o:p></o:p></pre>
<pre>URL: <<a href="http://lists.llvm.org/pipermail/cfe-dev/attachments/20191010/bc5ff8cd/attachment.html"><span style="color:#0563C1">http://lists.llvm.org/pipermail/cfe-dev/attachments/20191010/bc5ff8cd/attachment.html</span></a>><o:p></o:p></pre>
<div>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<p class="MsoNormal"><span style="font-size:9.0pt;font-family:"Helvetica",sans-serif">_______________________________________________<br>
cfe-dev mailing list<br>
</span><a href="mailto:cfe-dev@lists.llvm.org"><span style="font-size:9.0pt;font-family:"Helvetica",sans-serif;color:#0563C1">cfe-dev@lists.llvm.org</span></a><span style="font-size:9.0pt;font-family:"Helvetica",sans-serif"><br>
</span><a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev"><span style="font-size:9.0pt;font-family:"Helvetica",sans-serif;color:#0563C1">https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev</span></a><o:p></o:p></p>
</div>
</div>
</blockquote>
</div>
</div>
</blockquote>
</div>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal"><br>
<br>
<o:p></o:p></p>
<pre>_______________________________________________<o:p></o:p></pre>
<pre>cfe-dev mailing list<o:p></o:p></pre>
<pre><a href="mailto:cfe-dev@lists.llvm.org">cfe-dev@lists.llvm.org</a><o:p></o:p></pre>
<pre><a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev">https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev</a><o:p></o:p></pre>
</blockquote>
</div>
</body>
</html>